新的时滞递归神经网络鲁棒稳定性分析方法

通过引入标准神经网络模型(SNNM), 为不同的递归神经网络(RNN)提供了一个统一分析框架. 针对时滞 SNNM 的鲁棒渐进稳定和指数稳定问题, 应用 Lyapunov 稳定性理论和 S 方法推导出基于线性矩阵不等式的充分条件. 将鲁棒指数稳定性问题转化为一个广义特征值问题, 既可以判断网络是否指数稳定, 又可以方便地估计其最大指数收敛率, 克服了以往方法中存在的不足. 给出了将其他 RNNs 转化为 SNNM 的实例, 并利用 SNNM 的相关结论对其进行了分析. 仿真结果表明, 该方法可以方便地对不同 RNN 的鲁棒稳定性进行分析, 且稳定性条件易于求解.     

标准神经网络模型及其应用

提出一种新的神经网络模型--标准神经网络模型(SNNM),它由线性动力学系统和有界静态非线性算子连接而成.SNNM表示为线性微分包含(LDI)形式,可以方便地利用线性矩阵不等式(LMI)方法来分析其稳定性和其他性能.利用不同的Lyapunov函数和S方法推导出基于LMI的连续SNNM和离散SNNM的稳定性定理.实例表明SNNM可应用于递归神经网络的稳定性分析以及神经网络控制系统的综合和分析.     

网络化控制系统鲁棒动态矩阵控制

针对前向通道和反馈通道都存在不确定有界长时延的网络控制系统,研究动态矩阵控制(DMC)算法的设计和算法鲁棒稳定性分析问题.首先基于一类线性离散系统的状态空间模型,通过缓冲技术把不确定的有界网络长时延转化为其确定的时延上界,导出当系统通信信道上存在大于一个采样周期的有界随机网络诱导时延时DMC策略的设计方法;其次,利用李雅普诺夫稳定性理论和线性矩阵不等式方法分析该网络化DMC算法的鲁棒稳定性,并将鲁棒稳定性问题转化为求解一类LMI解问题,得到网络化DMC算法鲁棒稳定的充分条件.最后,通过一个对倒立摆模型的仿真实验验证了结论的有效性.     

区间CNN网络鲁棒稳定分析

研究了连接权矩阵为区间矩阵的细胞神经网络(CNN)的鲁棒稳定性，得到了该网络系统鲁棒稳定的若干充分判据。     

中立型不确定时滞系统的鲁棒稳定性

研究中立型不确定时滞系统的鲁棒稳定性问题.系统的不确定性分为非线性不确定性和范数有界不确定性两种情况,构造一个新的Lyapunov-Krasovskii泛函并利用积分不等式对其正定性进行了证明,从而放松了对某些泛函参数的约束;利用Lyapunov方法,基于线性矩阵不等式的形式,分别得到在两种不确定性情况下系统的鲁棒稳定性判据,所得的判据与中立型时滞及离散时滞均相关,从而克服了中立型时滞无关所导致的结论的保守性.通过数值算例表明,所得到的稳定性判据在保守性上优于现存的一些方法.     

线性时不变参数多项式系统鲁棒指数稳定性的LMI方法

为研究线性时不变参数多项式系统的鲁棒渐近稳定性（RAS）和指数率7鲁棒渐近稳定性（RAS,）,采用参数依赖李亚普诺夫函数法和S—procedure技巧,将所提问题转化为线性矩阵不等式（LMI）的可解性检测。当指数衰减率趋于零时,由RAS,结果可导出相应RAS的结果。数值算例显示结论的正确性和计算有效性。     

中立型不确定变时滞系统的一个时滞相关鲁棒稳定性判据

讨论了具有时变时滞的不确定中立型系统的鲁棒稳定性问题．在Lyapunov—Krasovskii泛函方法的基础上,通过引入一些能够减少保守性的自由权矩阵,得到了中立型不确定变时滞系统的一个时滞相关的鲁棒稳定性判据,并利用线性矩阵不等式（LMI）的形式给出该判据．与已有文献相比较,所得结论突破了时滞导数τ（t）〈1的限制,并具有较弱的保守性．最后,通过一个例子验证了所给结论的正确性．     

关联时滞广义大系统的分散鲁棒镇定控制器设计

研究一类具有数值界不确定性关联时滞广义大系统的分散鲁棒镇定问题.构造Lyapunov函数,通过适当地放大不等式,利用矩阵Schur补的性质,将问题转化为一组线性矩阵不等式（LMI）的求解问题.给出了系统镇定控制器存在的条件.当条件成立时,给出了分散鲁棒反馈控制律的表示式.数值算例说明了控制器设计方法的可行性.     

一类离散递归神经网络的稳定性分析--LMI方法

离散递归神经网络的稳定性分析是目前研究的薄弱环节.通过状态空间扩展法,将一类活化函数满足扇区条件和单调性的离散递归神经网络(即递归多层感知器RMLP)转化为线性微分包含(LDI)形式,而LDI的稳定性分析可转化为一组线性矩阵不等式(LMI)的求解,利用MATLAB/LMITOOLBOX求解LMI,从而判定RMLP的Lyapunov稳定性.该方法也适用于其他类型的递归神经网络(RNN)的稳定性分析.     

不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题。通过构造适当的Lya-punov-Krasovskii泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验。给出数值示例,说明了判据的有效性与优越性。     

Global stability of interval recurrent neural networks

The robust global exponential stability of a class of interval recurrent neural networks(RNNs) is studied,and a new robust stability criterion is obtained in the form of linear matrix inequality.The problem of robust stability of interval RNNs is transformed into a problem of solving a class of linear matrix inequalities.Thus,the robust stability of interval RNNs can be analyzed by directly using the linear matrix inequalities(LMI) toolbox of MATLAB.Numerical example is given to show the effectiveness of the obtained results.     

S-分布时滞反应扩散Hopfield神经网络稳定性

利用拓扑度理论和Lyapunov泛函方法研究了S-分布时滞反应扩散Hopfield神经网络平衡点的存在性及全局鲁棒指数稳定性.例子表明所得结果易于验证,具有广泛的适用性.     

时变时滞双向联想记忆神经网络的鲁棒稳定性

通过构造适当的Lyapunov泛函分析了一类时变时滞双向联想记忆神经网络的平衡点稳定性问题。不要求激励函数的单调性和可微性,得到了保证时变时滞双向联想记忆神经网络的平衡点全局鲁棒渐近稳定的两个新判据。所得到的结果能够表示成线性矩阵不等式形式,进而易于用内点算法等方法来验证。通过仿真例子与其他文献中的一些结果进行比较,表明了本文所得结果的有效性。     

脉冲干扰时滞复值神经网络的稳定性分析

为分析脉冲干扰因素对复值神经网络动态行为的影响,研究一类具有混合时滞和脉冲干扰的复值神经网络的平衡点的全局指数稳定性.在假定神经元状态、激活函数以及关联矩阵定义在复数域的情况下,利用M矩阵理论、向量Lyapunov函数法以及数学归纳法,分析确保该系统平衡点的存在性、唯一性以及全局指数稳定性的充分条件,并给出了指数收敛率,最后通过一个数值仿真算例验证了所得结论的正确性.结果表明:时滞和脉冲干扰均会降低神经元状态的指数收敛速度,所建立的稳定性判据推广了现有结论.     

具时滞离散递归神经网络的全局指数稳定性

研究了一类具时滞离散递归神经网络平衡点的全局指数稳定性问题.对连续有界激活函数做扇形非线性条件假定,用Lyapunov-Krasovskii稳定性理论和线性矩阵不等式方法,得到了具时滞离散递归神经网络模型在平衡点全局指数稳定的一些充分条件.数值例子说明了本文结果的有效性.     

模糊细胞神经网络系统鲁棒稳定性分析

采用Lyapunov稳定理论,通过构造Lyapunov函数方法研究具有变时滞模糊神经网络系统鲁棒稳定性,给出了具有变时滞模糊神经网络系统鲁棒渐近稳定性的充分条件.     

具有时滞的通有连续时间神经网络的指数稳定性

研究了具有时滞的通有连续时间神经网络的稳定性问题;利用常数变易法并结合不等式分析技巧,获得了具有时滞的通有连续时间神经网络的平衡点全局指数稳定和全局k-指数稳定的判别准则;推广了文献[1]的主要结果。     

一类具有时滞的神经网络的稳定性分析

对具有广泛应用价值的时滞Hopfield神经网络系统,建立了系统平衡点存在唯一的充要条件,利用常数交易法并结合不等式分析技巧讨论了神经网络模型的全局指数稳定性,获得了系统的平衡点全局指数稳定的充分条件。     

一类具有时滞的投影神经网络系统的指数稳定性

文章研究了一类具有时滞的投影神经网络的稳定性问题,根据这类神经网络的特点,将神经网络的状态变量进行分块,通过构造Lyapunov泛函,导出了神经网络系统指数稳定性的充分条件,在适当的初始条件下,给出的稳定性条件与分块矩阵的某些块无关,表明我们所获得的条件的优越性。